Vous êtes ingénieur informatique spécialisé en décisionnel. Vous recherchez un poste. Le site d'emploi doit être capable de retourner une offre comportant les mots « Business Objects » et « consultant » . Jusqu'ici, l'interface de recherche du site de l'Agence pour l'emploi des cadres (Apec) n'identifiait que les annonces correspondant strictement aux critères demandés. Pour ramener davantage de résultats sans perdre en pertinence, un classement plus souple des annonces et CV dans de multiples catégories s'imposait. Une tâche impossible à effectuer manuellement. En effet, l'Apec reçoit plusieurs milliers d'offres par mois, et davantage encore de CV.

Le choix d'un outil de recherche plein texte a été écarté. Facile à mettre en oeuvre et économique en ressources, il se révélait trop rudimentaire. Il ne recherchait que les mots demandés, sans interpréter la question. Afin de gagner en exhaustivité sans perdre en pertinence, la solution pour l'Apec passait donc par l'indexation des documents. L'agence décide ainsi, il y a trois ans, d'ajouter une couche intelligente et automatisée dans le traitement des données textuelles internes et d'une partie du web. Dominique Jaquet, DSI de l'Apec, est convaincu de l'intérêt des outils de traitement automatique de la langue (TAL). « Outre améliorer les résultats de recherche, utiliser les TAL aide à mesurer la qualité des documents. » Le projet global a été découpé en plusieurs briques. « Nous avons décidé de commencer par le premier flux de données entrant, à savoir les offres » , ajoute-t-il.

Sobrement baptisée qualité des offres, cette brique a fait l'objet d'une première sélection de fournisseurs en 2003. Le cahier des charges initial prévoyait de répondre aux requêtes formulées en langage naturel. Se détachent alors Autonomy, Témis et Lingway. Les deux derniers, s'appuyant sur une technologie sémantique ­ statistique pour Autonomy ­, sont retenus pour leur capacité à répondre aux questions en langage naturel. Les liens privilégiés entre le DSI et Lingway ^(*) ­ il a déjà travaillé avec cet éditeur ­ ont fait la différence.

La même année, une maquette est réalisée à partir d'un échantillon d'annonces. Le moteur d'indexation se fonde à la fois sur des statistiques, liées à la fréquence d'apparition des mots et expressions dans un texte, et sur la comparaison des mots avec le dictionnaire de 150 000 concepts fourni par l'éditeur. Avant d'affecter un sens à un mot, qui en possède trois en moyenne dans la langue française, le moteur mixe statistiques et proximité avec d'autres mots dans l'arborescence du dictionnaire. Organisé sous forme d'une structure arborescente, ce dernier associe des synonymes à des concepts et leur donne un poids en fonction du niveau de proximité. « La présence, dans la même annonce, des mots " système d'information " et " environnement " attribue à " environnement " un sens technique, et non pas écologique » , explique le DSI.

A partir de l'analyse de chaque document, l'application a déjà ajouté quelques milliers de mots clés ou expressions au dictionnaire. Ces descripteurs équivalent à des synonymes porteurs de sens. A ce jour, un linguiste continue de valider l'ajout définitif dans le dictionnaire métier de l'Apec.

Parallèlement, l'application attribue un score à chaque annonce pour en mesurer la qualité. Cette note est calculée en fonction de plusieurs facteurs : présence de mentions interdites (nationalité...) ­ ou indispensables (rémunération...) ­ et d'informations sur l'entreprise (le profil du poste...). En fonction du score, l'offre est publiée ou repart chez l'émetteur pour un complément d'information. Parmi les douze critères repérés par l'application dans un texte, certains demeurent difficiles à interpréter. « " Rattaché au DG, le chef des ventes... " affecte bien le critère hiérarchique, explique Olivier Guilhaume, directeur marketing de l'Apec. Tandis que " le DG recherche son chef des ventes... " n'est pas reconnu comme tel. » Pour valider l'application, une comparaison a été établie entre les résultats générés par Lingway et ceux des quatre consultants qui, jusque-là, procédaient par échantillonnage à la validation du classement des annonces. Effectué à l'aveugle, le contrôle n'a pas relevé de différence entre le travail manuel et celui de l'application, qui passera donc en production en fin 2004. Le moteur Lingway, installé sur un serveur Windows dédié, reçoit le détail de l'annonce, et en profite pour ajouter des « variantes » (synonymes) au dictionnaire. Il transmet ensuite l'information à la base de données. Il s'interface d'ailleurs avec le moteur d'indexation statistique ­ en l'occurrence, Oracle Text­, et ne prend en charge que la partie sémantique.

Après six mois d'utilisation, Dominique Jaquet se montre satisfait : « Nous effectuons ponctuellement un contrôle de cohérence entre les résultats donnés par l'application et ceux d'un expert. Sans avoir repéré de dérapages. » L'application travaille de façon homogène sur toutes les annonces, et non plus sur un échantillon. « En six mois de production, nous avons déjà divisé par deux le nombre d'annonces rejetées » , se réjouit le DSI. Et son collègue au marketing de préciser : « Sur les critères les plus difficiles à évaluer, la pertinence est passée de 40 à 70 % depuis le début, et devrait encore s'améliorer. Mais un taux de 100 % est illusoire. » L'outil ne mesure pas la qualité littéraire d'un texte...

(*) Lingway a reçu le prix 2005 de la jeune entreprise high-tech Oséo/ 01 Informatique .